在pwntools中使用ROP链调用execve系统调用的参数传递问题分析
2025-05-18 22:59:44作者:韦蓉瑛
背景介绍
在二进制安全研究中,ROP(Return-Oriented Programming)是一种常见的技术,它通过组合程序中已有的代码片段(gadgets)来构造攻击链。pwntools是一个强大的二进制安全框架,提供了ROP模块来简化ROP链的构建。
问题现象
在使用pwntools的ROP模块调用execve系统调用时,开发者遇到了参数传递不正确的问题。具体表现为:
- 虽然成功调用了execve并启动了shell,但命令行参数没有被正确解析
- 特别是"-c"参数被忽略,导致shell尝试直接执行"whoami"命令而不是将其作为参数解析
- 错误信息显示为"/bin/sh: 0: cannot open whoami: No such file"
技术分析
execve系统调用的参数要求
execve系统调用需要三个参数:
- 第一个参数(pathname):要执行的程序路径,如"/bin/sh"
- 第二个参数(argv):参数数组,必须以NULL指针结尾
- 第三个参数(envp):环境变量数组,通常可以设为NULL
ROP链构建的关键点
在pwntools中构建ROP链调用execve时,需要注意以下几点:
-
参数数组的构建:argv数组必须正确构建,包括:
- 每个参数的正确指针
- 数组必须以NULL指针结尾
- 参数在内存中的布局必须符合预期
-
栈地址对齐:ROP链的base地址必须正确设置,确保参数在预期位置
-
字符串格式:参数必须使用正确的格式,如使用0而不是b'0'作为终止符
解决方案
正确的ROP链构建方法应遵循以下原则:
- 参数数组构建:
rop.call('execve', [bin_sh, [bin_sh, b'-c', b'whoami', 0], 0])
-
栈地址对齐: 确保ROP链的base地址正确指向返回地址位置,通常需要根据实际栈布局调整
-
完整示例:
from pwn import *
context.binary = './vulnerable_program'
io = process()
libc = io.libc
buf_addr = int(io.recvline().split(b': ')[1], 16)
ret_addr = buf_addr + 0x10 # 根据实际偏移调整
bin_sh = next(libc.search(b'/bin/sh'))
rop = ROP(libc, base=ret_addr)
rop.call('execve', [bin_sh, [bin_sh, b'-c', b'whoami', 0], 0])
io.sendline(flat({0x10: rop.chain()}))
io.interactive()
常见错误排查
-
参数被忽略:
- 检查argv数组是否正确构建
- 确保每个参数都是有效的指针
- 验证栈布局是否符合预期
-
段错误(SIGSEGV):
- 检查NULL终止符是否正确使用(使用0而不是b'0')
- 验证内存地址是否可写
-
参数解析错误:
- 检查字符串格式是否正确
- 确保参数在内存中的顺序正确
总结
在使用pwntools构建ROP链调用execve时,参数传递的正确性至关重要。开发者需要特别注意argv数组的构建和内存布局,确保每个参数都能被正确解析。通过合理设置ROP链的base地址和正确构建参数数组,可以成功实现复杂的命令执行。
在实际应用中,建议使用pwntools提供的调试功能(如gdb.debug)来验证ROP链的执行过程和内存状态,这有助于快速定位和解决参数传递问题。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0216
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0138
uni-appA cross-platform framework using Vue.jsJavaScript08
GLM-5.2智谱开源 GLM-5.2,这是针对长文本任务的最新旗舰模型。相较于前代产品 GLM-5.1,它在长文本任务处理能力上实现了显著飞跃,并且首次在稳定的 100 万 token 上下文中提供这一能力。Jinja00
SwanLab⚡️SwanLab - an open-source, modern-design AI training tracking and visualization tool. Supports Cloud / Self-hosted use. Integrated with PyTorch / Transformers / LLaMA Factory / veRL/ Swift / Ultralytics / MMEngine / Keras etc.Python00
tiny-universe《大模型白盒子构建指南》:一个全手搓的Tiny-UniverseJupyter Notebook03
项目优选
收起
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
471
465
Ascend Extension for PyTorch
Python
758
968
昇腾LLM分布式训练框架
Python
185
231
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
698
1.4 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
878
2.03 K
暂无描述
Dockerfile
780
5.08 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
70
22
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.04 K
271
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
2.08 K
216